Analyse complète des trois trajectoires du marché prédictif : pourquoi les investisseurs se bousculent-ils ?

I. Introduction

Aujourd’hui, en discutant avec un ami, il a posé une question très intéressante : « Si Crypto × Fintech créait réellement de la valeur dans les 10 prochaines années, qui seraient les plus grands gagnants ? En d’autres termes, quelles seraient les ‘Mag7’ de ce secteur ? »

Revolut, Robinhood, Coinbase, Stripe… ce sont évidemment parmi les premiers noms évoqués. Au cours des dix dernières années, ils ont déjà prouvé leur capacité à repenser une partie de la finance traditionnelle.

Mais en discutant, j’ai soudain réalisé : mon cadre de réflexion précédent comportait une erreur. Je me demandais toujours — « Quelles parties de la finance traditionnelle n’ont pas encore été refaites ? » Ce raisonnement revient à chercher des espaces vides sur une vieille carte.

Ce qu’il faudrait vraiment demander, c’est : quelles entreprises ne digitalisent pas simplement l’ancien système financier, mais créent un marché financier entièrement nouveau ?

Dans cette optique, un nom ressort presque par défaut — Polymarket. Pas parce que son cours a flambé, ni parce qu’il a été fréquemment cité par les médias dernièrement, mais parce que ce qu’il fait est complètement différent : il ne transforme pas une banque ni un système de paiement, il transforme le “événement” lui-même. Il convertit un événement en actif, une probabilité en prix.

Et justement, les marchés de prédiction ont connu un regain d’intérêt au cours de la dernière année. Nous en venons donc naturellement à poser une autre question encore plus importante : pourquoi en 2024–2025, les marchés de prédiction deviennent-ils soudainement l’un des « secteurs à étudier en priorité » ? Et dans cette nouvelle vague, que représentent Polymarket, Kalshi, Opinion, chacun avec ses propres trajectoires ?

II. Pourquoi les marchés de prédiction vont-ils à nouveau s’emballer en 2024–2025 ?

Se limiter à des explications du type “élections américaines” ou “événements de célébrités” ne tient pas la route. Ces dernières années, il y a eu de nombreux sujets brûlants, mais les marchés de prédiction n’ont pas connu une telle croissance. Cette fois, c’est différent. Il y a plusieurs changements structurels plus profonds derrière.

1) L’IA redonne de l’importance à la “probabilité”

Autrefois, les grands modèles produisaient des réponses sous forme de jugements ; aujourd’hui, de plus en plus de scénarios sortent des probabilités. Prédire le CPI, anticiper une baisse de taux, prévoir un événement d’entreprise, évaluer une orientation politique, dès que la probabilité apparaît, cela crée naturellement une demande : la probabilité nécessite un prix, le prix nécessite un marché. Ainsi, les marchés de prédiction deviennent pour la première fois une partie intégrante du flux de travail de l’IA. Et non plus un simple “outil spéculatif”. L’impact de cette évolution dépassera largement les discussions que nous avons actuellement.

2) Ils sont perçus par les médias comme un “indicateur d’émotion en temps réel”

L’année dernière, un changement évident : de plus en plus de médias mainstream commencent à citer Polymarket. Pourquoi ? Parce qu’il donne des réponses plus rapides que les sondages, et est plus transparent que les jugements d’experts. La citation par les médias → croissance des utilisateurs → approfondissement du marché. C’est un cycle simple mais puissant. La raison pour laquelle les marchés de prédiction n’étaient pas encore massifs auparavant, c’était leur absence d’intégration dans la narration mainstream ; maintenant, c’est le cas.

3) La densité d’événements est élevée, mais il manque des “outils correspondants”

En 2024–2025, la densité d’informations dépasse tout ce que nous avons connu lors des dix dernières années : élections, géopolitique, politiques macroéconomiques, régulation technologique, événements d’entreprises (notamment liés à l’IA) — le problème est que : ces événements ont un fort impact, mais il n’existe pas d’outils financiers correspondants pour y trader.

Vous pouvez acheter de l’or, des actions américaines, des obligations d’État, mais pas : “les changements de probabilité de la baisse de taux de la Fed en décembre”. “Un CEO qui quitte ses fonctions ce trimestre”, “Une réglementation qui sera appliquée ou non” — les marchés de prédiction comblent justement cette lacune. Essentiellement, ils créent une nouvelle catégorie d’actifs : les actifs liés à des événements.

4) La posture réglementaire a évolué, modestement mais significativement

La CFTC a déjà sanctionné Polymarket, mais en parallèle, Kalshi a obtenu une licence de la CFTC. Cela envoie un signal très concret : une partie des marchés de prédiction peut être autorisée, une autre peut suivre une voie réglementée, et la zone grise commence à se réduire. Pour les investisseurs institutionnels, “la réduction de l’incertitude” devient un indicateur de croissance.

5) La composition des utilisateurs a changé

Avant : principalement des utilisateurs de divertissement, la liquidité était dispersée, et les produits ressemblaient à des “applications d’information”. Aujourd’hui, la tendance est très différente : davantage de comptes institutionnels, des traders professionnels spécialisés dans la prévision d’indicateurs, des fonds utilisant ces marchés pour couvrir leurs positions, des entreprises d’IA les utilisant comme référence. Lorsque la composition des utilisateurs évolue de “spectateurs” à “traders actifs”, la qualité du marché s’améliore considérablement.

Résumé

Les marchés de prédiction ne sont pas devenus soudainement populaires. Ce sont : la demande en IA, la médiatisation, le contexte macroéconomique, le changement de la composition des utilisateurs, et une régulation en voie de clarification, qui ont créé cette montée structurale. Ce mouvement ne repose pas sur un événement à court terme, mais sur une première utilisation “systémique” dans l’air du temps.

III. Trois trajectoires totalement différentes : Polymarket, Kalshi, Opinion

Même si toutes ces entreprises se positionnent sur la prédiction de marchés, leurs approches diffèrent complètement. Elles ne résolvent pas les mêmes problématiques, et ne ciblent pas le même type d’utilisateurs. En les regardant ensemble, on peut percevoir une possible stratification future de ce secteur.

1) Polymarket : faire des événements un actif

La stratégie de Polymarket est très claire : transformer les événements en actifs, et la probabilité en prix. Ce n’est pas un “outil de prédiction” traditionnel, mais plutôt une sorte d’écran de prix en temps réel pour les événements. Plus un événement attire l’attention, plus sa densité est élevée, plus son exposition médiatique importante, plus sa réaction de marché sera rapide. La barrière à l’entrée est faible, l’émotion y joue un rôle clé, ce qui explique sa croissance rapide. Son avantage : la rapidité. Son défi : la régulation. En résumé : l’entrée dans l’actification des événements.

2) Kalshi : une plateforme d’échange d’actifs dérivés réglementés

Kalshi incarne une approche plus financière. Elle propose des contrats d’événements régulés : CPI, chômage, rendements, FOMC, etc. Elle vise un autre profil d’utilisateurs : traders macro, hedge funds, équipes quant. Cela explique pourquoi ses structures de trading sont plus stables et plus facilement extensibles que celles de Polymarket.

Les marchés politiques que l’on voit sur Kalshi ne sont pas représentatifs d’une identité “similaire” à Polymarket — la politique n’est qu’un exemple d’événement régulé, sans logique de croissance associée. En résumé : une plateforme d’échange d’actifs dérivés liés à des événements, la base financière des marchés de prédiction.

3) Opinion Labs : la couche de consensus pour les modèles en era IA

Opinion adopte une approche totalement différente : elle ne s’adresse pas aux traders individuels ni aux institutions. Elle cherche à établir une “couche de consensus probabiliste” pour les modèles d’IA : agréger, référencer, et faire prix des probabilités émises par différents modèles. Son utilisateur principal n’est pas un humain, mais un modèle. Elle ne veut pas faire “parier” un utilisateur, mais “donner un accès lisible et négociable aux probabilités” pour les modèles.

Ce chemin est plus long dans le temps, et plus en amont. Par rapport aux deux autres, Opinion est encore dans une phase très précoce.

Elle dispose déjà d’une interface de trading (opinion.trade), mais restreint l’accès pour les régions comme les États-Unis ou la Chine, ce qui rend l’expérience variable selon le réseau. Peu d’informations publiques, la plupart des contacts externes restent sur Twitter. La plateforme est encore en évolution rapide : la marque et le site web ne sont pas prioritaires.

Ce n’est pas “une expérience de site web immature”, mais une étape typique d’un projet d’infrastructure naissante : d’abord faire fonctionner la mécanique de base, puis progressivement atteindre la stabilité extérieure.

En résumé : Opinion propose un produit, mais reste dans une phase très initiale, plus proche d’une brique fondamentale de l’écosystème IA que d’un acteur concurrentiel en termes d’utilisateurs.

Polymarket, Kalshi et Opinion semblent tous faire de la prédiction, mais leurs orientations, structures produits, trajectoires réglementaires et positionnement futur sont totalement différents : Polymarket capte “l’attention et l’émotion”, Kalshi “le risque et la modélisation des prix”, Opinion “la compréhension future par l’IA”.

Ils correspondent à trois couches du marché de prédiction : la couche grand public, la couche financière, la couche modèle. Et c’est précisément parce que ces trois voies apparaissent simultanément que cette nouvelle vague de marchés de prédiction ne ressemble pas à celles du passé — ce n’est pas un seul produit qui devient soudainement populaire, mais un marché qui se forme peu à peu.

IV. Une observation personnelle : l’IA crée du bruit, le Web3 le distingue

Je ne souhaite pas tirer de conclusion définitive sur “comment sera l’avenir” des marchés de prédiction, car je n’ai pas une connaissance approfondie de ce secteur. Mais ce que je vois depuis un an, dans différents projets et formes, c’est que la convergence IA et Web3 va plus vite que prévu, et dans une direction très claire.

L’IA a pour capacité de “générer” — textes, jugements, prédictions. Mais lorsque cette génération devient exponentielle, une nouvelle problématique apparaît : l’IA produit du bruit. Jugements, explications, probabilités, inférences, tout augmente à vitesse exponentielle. La quantité d’informations croît → le bruit s’amplifie → les coûts aussi.

Et le rôle du Web3, précisément, intervient après cette phase de bruit : Web3 distingue le bruit. Il ne fournit pas “du contenu”, mais : des données immuables, réglables, vérifiables, alignées sur des incitations, et pouvant former des prix.

La synergie entre ces deux éléments deviendra progressivement naturelle dans les marchés financiers :

• l’IA est responsable de générer des visions de l’avenir ;
• le Web3 permet d’intégrer ces visions dans le marché, pour qu’elles soient soumises à une évaluation par le prix, le temps et l’incitation.

Les marchés de prédiction sont un exemple très intuitif : ils transforment la “probabilité générée par l’IA” en “prix utilisables en finance”. Sous cet angle, ils ressemblent davantage à une interface qu’à une application. Je ne suis pas certain de la forme que prendront ces secteurs à terme, mais ce que je vois, c’est que l’IA rend l’avenir plus flou, et le Web3 le rend plus vérifiable. Et dans la finance, ces deux dimensions se complètent naturellement.